Figure Generator:高效生成专业图表的利器
2024-10-10 16:10:34作者:宗隆裙
在科研和工程领域,图表的生成和分析是不可或缺的一部分。无论是用于论文发表、技术报告还是项目展示,高质量的图表都能极大地提升内容的可读性和专业性。今天,我们要介绍的是一款强大的开源工具——Figure Generator,它能够帮助你快速生成PDF、HTML和PPTX格式的图表,并且支持多种图像分析功能。
项目介绍
Figure Generator 是一款专为科研和工程领域设计的图表生成工具。它不仅能够生成高质量的图表,还提供了丰富的图像分析功能,帮助用户快速比较和分析图像。无论是渲染研究中的图像对比,还是数据可视化中的图表生成,Figure Generator 都能轻松应对。
项目技术分析
Figure Generator 基于 Python 3.6+ 开发,依赖于 opencv-python 和 simpleimageio 等库。它支持多种图表生成后端,包括:
- PDF 后端:需要
pdflatex及其相关包(如tikz,calc,standalone,fontenc,libertine,inputenc)。 - PPTX 后端:依赖
python-pptx。 - PDF 图像嵌入:需要
PyPDF2和pdf2image(后者依赖poppler)。
通过这些依赖库,Figure Generator 能够灵活地生成不同格式的图表,并且支持图像的数学分析,如错误度量等。
项目及技术应用场景
Figure Generator 的应用场景非常广泛,尤其适合以下领域:
- 渲染研究:在渲染研究中,经常需要生成大量的对比图表。Figure Generator 支持网格布局和简单的线图绘制,能够快速生成符合要求的图表。
- 数据可视化:无论是科研数据还是工程数据,Figure Generator 都能帮助用户生成清晰、专业的图表,提升数据的可视化效果。
- 技术报告和演示文稿:在撰写技术报告或制作演示文稿时,Figure Generator 能够快速生成高质量的图表,提升文档的专业性。
项目特点
Figure Generator 具有以下显著特点:
- 多格式支持:支持生成 PDF、HTML 和 PPTX 格式的图表,满足不同场景的需求。
- 图像分析功能:提供多种错误度量,不仅支持视觉上的图像比较,还能进行数学上的分析。
- 灵活的模板系统:内置多种图表模板,用户可以根据需要进行自定义修改,快速生成符合要求的图表。
- 易于使用:通过简单的 Python 代码,用户可以快速上手,生成复杂的图表。
快速开始
你可以通过以下命令快速安装 Figure Generator 及其依赖:
python -m pip install figuregen
以下是一个简单的示例代码,展示如何使用内置模板生成图表:
import simpleimageio as sio
import figuregen
from figuregen.util.templates import CropComparison
from figuregen.util.image import Cropbox
figure = CropComparison(
reference_image=sio.read("images/pool/pool.exr"),
method_images=[
sio.read("images/pool/pool-60s-path.exr"),
sio.read("images/pool/pool-60s-upsmcmc.exr"),
sio.read("images/pool/pool-60s-radiance.exr"),
sio.read("images/pool/pool-60s-full.exr"),
],
crops=[
Cropbox(top=100, left=200, height=96, width=128, scale=5),
Cropbox(top=100, left=450, height=96, width=128, scale=5),
],
scene_name="Pool",
method_names=["Reference", "Path Tracer", "UPS+MCMC", "Radiance-based", "Ours"]
)
# 生成图表
figuregen.figure([figure.figure_row], width_cm=17.7, filename="pool_with_template.pdf")
生成的图表效果如下:

更多示例
Figure Generator 提供了丰富的示例,帮助用户快速上手。以下是一些示例图表:
垂直堆叠
分割对比
裁剪对比
线图
带标题、标签、标记和边框的网格
无论你是科研人员、工程师还是数据分析师,Figure Generator 都能帮助你快速生成高质量的图表,提升工作效率。快来试试吧!
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0239
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
JoyAI-VL-Interaction-Preview京东开源首个开源、视觉驱动的实时交互模型——它能实时监控视频流,并自主决定何时发言、保持沉默或委托任务。Jinja00
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0168
kornia🐍 空间人工智能的几何计算机视觉库Python03
PaddleParallel Distributed Deep Learning: Machine Learning Framework from Industrial Practice (『飞桨』核心框架,深度学习&机器学习高性能单机、分布式训练和跨平台部署)C++02
项目优选
收起
暂无描述
Dockerfile
785
5.13 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
894
2.07 K
Ascend Extension for PyTorch
Python
764
984
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
715
1.44 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
471
479
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
475
166
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.12 K
1.16 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.45 K
683
昇腾LLM分布式训练框架
Python
187
239




